Das WIN-Kolleg | 263

- Welche motorischen Areale (prämotorischer Kortex, PM, primärer motorischer
Kortex, Ml) generieren EFPs mit dem höchsten Informationsgehalt? — Der
höchste Beitrag zur erfolgreichen Dekodierung stammt aus dem Hand- und
Armareal des primären motorischen Kortex (Ml).
- Können Fingerbewegungen basierend auf EFPs unterschieden werden? — Die
Unterscheidung von Fingerbewegungen der rechten vs. der linken Hand ist basie-
rend auf EFPs eines kleinen Bereichs des motorischen Kortex mit >90% Ge-
nauigkeit möglich.
- Welches sind günstige Eigenschaften für das Layout von Gridelektroden für die
Ableitung von EFPs für neuroprothetische Anwendungen beim Menschen? -
Signale von Elektrodenkontaken mit kleinen Abständen (7 mm Abstand von Elek-
trodenmitte zu Elektrodenmitte) sind nicht redundant, sondern führen durch ihre
Kombination zu signifikant besseren Dekodierungsergebnissen. Elektrodenarrays
mit kleinen, sehr dicht angeordneten Elektroden sind daher vielversprechend für
die zukünftige Entwicklung von implantierbaren subduralen Elektroden für
humane Anwendungen (Manuskript in Vorbereitung).
Alle Untersuchungen wurden an Patienten durchgeführt, bei denen zur
prächirurgischen Diagnostik eine Indikation zur vorübergehenden Implantation von
Elektrodengrids (mit 64 oder 112 Kontakten auf einer Fläche von etwa 7 cm x 7 cm)
über den motorischen Arealen des frontalen Kortex gegeben war (Abb. I).

Brain-Computer-Interfacing auf der Basis der funktionellen Magnetresonanztomographie
(fMRI)
Im Rahmen des Projekts wurde ein Brain-Computer Interface (BCI) auf der Basis
der funktionellen Magnetresonanztomographie (fMRI) entwickelt, das die direkte
Rückmeldung lokaler Gehirnaktivität erlaubt (Weiskopf et al., 2004b; Weiskopf et
al., 2003). Die fMRI detektiert die neuronale Aktivität indirekt über Änderungen
der lokalen Blutoxygenierung mit hoher räumlicher und zeitlicher Auflösung (Mil-
limeter bzw. Sekunden) im gesamten Gehirn. Dadurch bietet sie im Vergleich zur
Elektroenzephalographie (EEG) bessere Möglichkeiten, lokale Gehirnaktivität
zurückzumelden. Diese direkte Rückmeldung (Neurofeedback) des fMRI Signals
erlaubt es Probanden, die Selbstregulation ihrer Gehirnaktivität in bestimmten
Regionen zu erlernen.
Spezielle Echtzeit-Bildgebungstechmken (Weiskopf et al., 2004a) und eine
schnellere Datenanalyse wurden entwickelt (Weiskopf et al., 2004b), um die
Geschwindigkeit und Qualität der Rückmeldung zu verbessern und das Erlernen
der Selbstregulation zu vereinfachen. Die räumliche Lokalisation und Spezifität ist
durch ein neuartiges Verfahren zur dynamischen Echtzeit-Verzerrungskorrektur in
der fMRI signifikant verbessert worden (Weiskopf et al., 2004a), das gleichzeitig die
funktionelle Sensitivität verbessert. Die Spezifität des Feedback Trainings wurde wei-
ter gesteigert, indem das Differenz-Signal zweier Gehirnareale an die Versuchsperso-
nen zurückgemeldet worden ist. Zudem wurde eine bidirektionale Regulation ver-